YOLOv8 官方数据集训练方法

训练命令如下，yolov8的训练速度比yolov5快好多！！

参考博客：https://blog.csdn.net/qq_39056987/article/details/129621354

# 从YAML中构建一个新模型，并从头开始训练
yolo detect train data=coco128.yaml model=yolov8n.yaml epochs=100 imgsz=640

# 从预先训练的*.pt模型开始训练
yolo detect train data=coco128.yaml model=yolov8n.pt epochs=100 imgsz=640

# 从YAML中构建一个新的模型，将预训练的权重传递给它，并开始训练
yolo detect train data=coco128.yaml model=yolov8n.yaml pretrained=yolov8n.pt epochs=100 imgsz=640

备注：

    我看网上修改classes值都是在yolov8n.yaml文件里面改，现在yolov8n.yaml找不到了，训练时也不自动下载，据网友不可靠消息，可能是换成了yolov8.yaml文件了

    yolov8.yaml文件目录：./ultralytics/models/v8/yolov8.yaml

1、准备工作

训练文件设置在这里，啥都不要动~~

./ultralytics-main/ultralytics/datasets/coco128.yaml

说明：

        GPU环境安装方法和命令《Detectron2 环境搭建》《YOLOv5 GPU训练方法》，其实CUDA安装和相关命令，和这两篇博客中提到的安装方法其实都是一样的！

2、开始训练

博主这边使用的命令

# 这个命令训练出来，无法进行预测，不懂啥原因~~
yolo detect train data=coco128.yaml model=yolov8n.yaml epochs=100 imgsz=640 device=0

# 得用下面这个命令，找不到yolov8n.yaml文件，暂时没搞明白~
yolo detect train data=ultralytics/datasets/coco128.yaml model=yolov8n.yaml pretrained=yolov8n.pt epochs=100 imgsz=640 device=0

还有另一种训练方式：

参考博客：https://blog.csdn.net/m0_72734364/article/details/128815530

新建train.py文件，代码如下：

from ultralytics import YOLO

if __name__ == '__main__':
    # Load a model
    # yaml会自动下载
    model = YOLO("./ultralytics/models/v8/yolov8.yaml")  # build a new model from scratch
    model = YOLO("yolov8n.pt")  # load a pretrained model (recommended for training)

    # Train the model
    results = model.train(data="./ultralytics/datasets/coco128.yaml", epochs=100, imgsz=640, device=0)

说明：

        自定义数据集种类数和种类名称直接去yolov8.yaml和coco128.yaml文件里面修改即可。

训练结果：

3、预测测试

yolo predict model=./runs/detect/train/weights/best.pt source='bus.jpg'

另一种预测方式，这个方法好像找不到输出文件。。。

新建predict.py文件，代码如下：

from ultralytics import YOLO

if __name__ == '__main__':
    # Load a model
    model = YOLO("./runs/detect/train10/weights/best.pt")  # load an official model

    # Predict with the model
    results = model(source="./datasets/coco128/images/train2017/bus.jpg")  # predict on an image